用本地 Ollama 模型为四个平台写社交帖子

用本地 Ollama 模型为四个平台写社交帖子

一个 n8n 工作流，根据一个主题为 X、LinkedIn、Reddit 和 Instagram 写草稿帖子。模型运行在你自己的 Ollama 服务器上，所以你的文字
留在你手里。第二遍会请模型把草稿再读一次并改正错误。它不会替你发帖。

里面有什么

• workflow.json：n8n 导出的工作流，七个节点，其中一个是便签。里面没有任何凭据。
• README.md：这份说明。

和原来的副本相比，我们改了什么

• 两个请求节点没有设置方法，所以 n8n 会向 Ollama 只接受 POST 的 /api/generate 发 GET。现在两个都设成了 POST。
• 两个 Code 步骤原来从一个 JSON 回复里没有的 data 字段读模型的文字。现在它们先读 response，再退回到旧的形状。
• 请求节点和最后一个节点改了名，说明它们做什么，比如 Write Posts With Ollama。连线没有变。
• 用朴素的话加了一个便签。

开始之前

• 一个能访问你的 Ollama 服务器的自托管 n8n。
• Ollama，在常用端口 11434 上运行。不需要密钥。
• 模型 llama3:8b。Ollama 的库里标注它为 4.7 GB、8K 上下文窗口。

设置

1. 启动 Ollama，运行 ollama pull llama3:8b。
2. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File。选中 workflow.json。
3. 打开 Write Posts With Ollama 和 Review Posts With Ollama。如果 n8n 运行在 Docker 里或另一台机器上，就把
   http://localhost:11434 换成 n8n 够得到的地址。
4. 打开 Content Parameters，写上你自己的主题、品牌语气和目标读者。
5. 手动运行工作流，看最后一个节点的输出。

一次运行的过程

1. Content Parameters 生成一项，里面有主题、品牌语气和目标读者。
2. Write Posts With Ollama 向 Ollama 发一段提示词，关闭 stream，温度 0.7，最多 2000 个 token。提示词要求一个有五个字段的
   JSON 对象：twitter、linkedin、reddit_title、reddit_body 和 instagram_caption。
3. Parse Content JSON 从回复里取出第一个 JSON 对象，加上主题和时间，如果没有就报错停止。
4. Review Posts With Ollama 把四份草稿发回去，请模型检查语法、语气、格式和话题标签，并以 JSON 返回改正后的版本，温度 0.2。
5. Final Content Output 把审阅后的字段合并到草稿上，并把 reviewed 设为 true。如果审阅结果读不出来，就返回草稿，并把
   reviewed 设为 false。

想换个结果，改这里

• 主题、语气和目标读者：Content Parameters。
• 模型：两个请求节点里的模型名。
• 第一版草稿有多发散：Write Posts With Ollama 里的 temperature。
• 回复可以多长：两个请求节点里的 num_predict。
• 每篇帖子必须包含什么：两个请求节点里的提示词。

值得知道的事

• localhost 指的是 n8n 运行所在的机器。在 Docker 里或在 n8n Cloud 上，它不是你的 Ollama 服务器。
• Ollama 的库里标注 llama3:8b 是两年前更新的。你可以在两个请求节点里换成更新的模型。
• 小模型可能违反某条规则，比如 X 帖子的 280 个字符。审阅步骤不保证能发现。发布之前，请读一遍每篇帖子。
• 第一次运行可能会慢，因为 Ollama 要把模型加载到内存里。每个请求最多等 120 秒。
• Mindket 没有查各个平台现在的长度或话题标签规则。
• Mindket 没有用 Ollama 运行过这个工作流。两个 Code 步骤只在本地电脑上用示例回复测试过。请求的形状依据的是 Mindket 于 2026 年
  11 月 12 日读过的 Ollama API 文档。